3.设X1,X2,···,N0为总体的一个样本,x1 ,x2,···,xn为一相应的样本值,总体的概率密度-|||-f(x)= ^sqrt {theta -1), 0leqslant xleqslant 1 0, . 其中 theta gt 0.-|||-(1)求未知参数θ的矩估计量和矩估计值;-|||-(2)求未知参数θ的极大似然估计值和估计量.

步骤 1：求总体的一阶矩
总体的一阶矩（即期望）E(X)可以通过积分求得：
\[ E(X) = \int_{0}^{1} x \cdot \sqrt{\theta} x^{\sqrt{\theta} - 1} dx = \sqrt{\theta} \int_{0}^{1} x^{\sqrt{\theta}} dx \]
\[ = \sqrt{\theta} \left[ \frac{x^{\sqrt{\theta} + 1}}{\sqrt{\theta} + 1} \right]_{0}^{1} = \frac{\sqrt{\theta}}{\sqrt{\theta} + 1} \]

步骤 2：求矩估计量
令总体的一阶矩等于样本的一阶矩，即样本均值 $\overline{x}$：
\[ \frac{\sqrt{\theta}}{\sqrt{\theta} + 1} = \overline{x} \]
解得：
\[ \sqrt{\theta} = \frac{\overline{x}}{1 - \overline{x}} \]
\[ \theta = \left( \frac{\overline{x}}{1 - \overline{x}} \right)^2 \]
所以，矩估计量为 $\left( \frac{\overline{X}}{1 - \overline{X}} \right)^2$，矩估计值为 $\left( \frac{\overline{x}}{1 - \overline{x}} \right)^2$。

步骤 3：求极大似然估计量
似然函数为：
\[ L(\theta) = \prod_{i=1}^{n} \sqrt{\theta} x_i^{\sqrt{\theta} - 1} = \theta^{n/2} \prod_{i=1}^{n} x_i^{\sqrt{\theta} - 1} \]
取对数似然函数：
\[ \ln L(\theta) = \frac{n}{2} \ln \theta + (\sqrt{\theta} - 1) \sum_{i=1}^{n} \ln x_i \]
对 $\theta$ 求导并令导数为0：
\[ \frac{\partial \ln L(\theta)}{\partial \theta} = \frac{n}{2\theta} + \frac{1}{2\sqrt{\theta}} \sum_{i=1}^{n} \ln x_i = 0 \]
解得：
\[ \theta = \left( \frac{-n}{\sum_{i=1}^{n} \ln x_i} \right)^2 \]
所以，极大似然估计量为 $\left( \frac{-n}{\sum_{i=1}^{n} \ln X_i} \right)^2$，极大似然估计值为 $\left( \frac{-n}{\sum_{i=1}^{n} \ln x_i} \right)^2$。